在信息化的社会中，视频信息在诸多信息中占据重要位置。视频运动目标检测与跟踪，即对视频进行分析和处理，检测并提取运动场景中的目标，对它们进行跟踪。它是计算机视觉技术的一个重要分支，涉及到模式识别，图像处理，机器学习，信号处理，统计学，最优方法等诸多领域。在该研究领域中，视频目标识别与跟踪算法如何快速准确的和识别出运动目标，并对目标进行实时有效的跟踪是研究的重点和关键，由于现实场景的复杂性和多变性，要准确无误的识别出目标并且进行对目标进行实时的跟踪，则该视频跟踪算法必须兼备实时性与鲁棒性的特点。　　本文从这个角度出发，采用基于Haar特征的Adaboost算法对视频中的运动目标进行识别以及定位，然后采用计算量较小的基于颜色特征的 Camshift算法对目标进行跟踪，针对 Camshift算法抗相似色干扰能力较差，对高速运动的目标容易跟踪实效，以及无法适应动态背景的问题，本文对算法进行了改进。首先，传统 Camshift算法在目标建模的过程中只采用了目标HSV颜色空间的H分量进行统计，本文在此基础上引入了S分量，并且通过加权的方式与H分量共同建立目标模型，使其对目标颜色特性的描述更加准确；针对其在跟踪过程中容易受到相似颜色干扰物的影响导致跟踪失效，引入了局部分块跟踪引导机制，使其对相似色干扰的鲁棒性得以提升；引入了基于贝叶斯模型的自适应背景更新机制，使其适用于动态背景场景的跟踪，并且提升了其抗相似色背景干扰的能力；针对其容易对高速运动目标跟踪失效，以及在遮挡情况下目标丢失的不足，结合了Kalman滤波算法对目标运动进行预测，改善了上述问题，并且提高了算法效率。